中文网页爬取的编码一致性保障：r.encoding = r.apparent_encoding的原理与实践

r.encoding = r.apparent_encoding 是 Python 爬虫中 解决网页乱码的核心操作（ r 通常是 requests 请求返回的响应对象），尤其在爬取中文网站（如政府官网、行业平台、老旧站点等）时，能有效避免爬取的内容出现“乱码”“方块字”等问题。

一、先明确核心作用

这行代码的核心目的是：让响应内容使用“真实的字符编码”解码，而非网站声明的编码，最终保证爬取的中文内容正常显示，不会乱码。

二、拆解 encoding 和 apparent_encoding 的区别

要理解这行代码，先搞懂响应对象的两个关键属性：

属性	含义	可能的问题
r.encoding	网站声明的编码（从响应头 Content-Type 中提取，比如 Content-Type: text/html; charset=utf-8）	很多网站会“声明错误的编码”（比如实际是 gb2312，却声明 utf-8），直接用这个编码解码会导致乱码
r.apparent_encoding	requests 基于响应内容本身分析出的“真实编码”（比如通过字符的字节特征判断是 gb2312 还是